7月7日,三星预计二季度营业利润为去年同期19倍,股价却跌6.9%,美光、闪迪跟跌;同样是在7月初,集邦咨询预计三季度DRAM(不含HBM)、NAND合约价仍将分别上涨13%—18%和10%—15%,只是涨幅收窄。 利润暴增、价格仍涨、股价下跌放在一起,更像是市场对存储的追捧开始松动。很快,存储股下跌被翻译成AI需求转弱,市场开始担心主线会不会发生迁移。可市场是否真的在离开AI,不能由存储一个环节的涨跌决定。 真正要判断的,是调整仍在AI内部轮动,还是主线正在离开AI。只要交给AI的任务仍在增加,AI主线就还有需求基础;至于利润最终落在哪个环节,倒还是相对次要的问题。 难点在于,交给AI的任务量没有实时价格。国际能源署(IEA)2026年报告估计,近年同一项AI任务的耗电量每年至少下降90%,2025年AI专用数据中心用电却增长50%;Google6月披露,月处理Token两年增约330倍。用电反映物理负载,Token反映使用规模,两者都在扩张。 这种组合出现时,最经典的解释是杰文斯悖论:效率提高让资源更便宜,使用随之增加,最后总消耗反而上升。 2025年12月,美国国家经济研究局(NBER)发布Mert Demirer等四人的工作论文,使用OpenRouter和微软Azure真实API数据观察降价后的用量变化。价格降10%,用量增约11%。打个比方,原来用100单位要花1000元;单价从10元降到9元后,用量增至约111单位,花费仍在1000元左右。 这类研究看到的是用量对价格的短期反应,分不清增长来自更多请求,还是每次请求背后的任务变得更重。月活和请求次数只记录有多少人使用、发起了多少次调用,看不出一项任务在后台被拆成多少步骤。从用户界面看,翻译一句话和整理会议录音、核对数字、列出待办、写好客户邮件,都可能只是一条指令,后台工作量却完全不同。 真正的AI需求反转,需要看